王芳奇 劉慶振

我們正在從20世紀(jì)傳統(tǒng)媒體時代的大眾媒體廣告范式向21世紀(jì)智能媒體時代的計算廣告范式轉(zhuǎn)換，而數(shù)字媒體則是這個轉(zhuǎn)換過程中至關(guān)重要的一個歷史階段和中間形態(tài)，它的快速發(fā)展推動著媒體產(chǎn)業(yè)邁向了它的更高階段——智能媒體時代。盡管智能媒體形態(tài)和計算廣告模式已經(jīng)與上世紀(jì)截然不同，但我們在研究和應(yīng)用過程中卻“仍需注重科學(xué)研究的傳統(tǒng)，回到媒體的本體論問題，即什么是媒體，媒體的未來在哪里，以及人工智能為媒體的發(fā)展和進(jìn)化帶來了什么改變?！盵1]這是一種不同于大眾媒體廣告范式的全新的廣告觀和方法論。

一、計算廣告的出發(fā)點(diǎn)是用戶的個性化需求

個體之間從學(xué)習(xí)能力到適應(yīng)能力、從理解不同的想法到解決現(xiàn)實的挑戰(zhàn)等方面都存在著巨大的差異，這種差異在今天的媒介消費(fèi)需求方面也客觀地存在著?！稊?shù)字化生存》作為一本信息產(chǎn)業(yè)圣經(jīng)級別的必讀圖書，深刻地影響了全球的互聯(lián)網(wǎng)領(lǐng)域和傳播學(xué)世界，在書中作者激情澎湃地暢想了個性化內(nèi)容推薦系統(tǒng)，盡管我們已經(jīng)對它習(xí)以為常，但在尼葛洛龐帝提出這一解決方案的當(dāng)時，它無疑是一種前沿性的甚至是一種顛覆性的理念。幾年之后，“針對分類目錄和搜索引擎的不足，推薦系統(tǒng)應(yīng)運(yùn)而生，并于20世紀(jì)末成為獨(dú)立的研究領(lǐng)域”[2]，但推薦系統(tǒng)有關(guān)的研究理論和技術(shù)成果在各個領(lǐng)域的大范圍應(yīng)用卻是在21世紀(jì)第二個十年才開始的。

今天，安裝在智能手機(jī)、智能電視、智能平板、智能手表等設(shè)備上的五花八門的應(yīng)用程序正在借助個性化推薦技術(shù)競相成為尼葛洛龐帝所說的這種“界面代理人”角色，以期滿足每位個性化的用戶天差地別的信息互動和內(nèi)容消費(fèi)需求。在本質(zhì)上而言，用戶的個性化需求存在已久，只不過在過去信息渠道稀缺和媒介資源稀缺的環(huán)境下被忽視了。這一方面是因為傳統(tǒng)大眾媒介的印刷技術(shù)和廣播技術(shù)無法支持大規(guī)模的個性化內(nèi)容生產(chǎn)和分發(fā)機(jī)制，另一方面則是由于用戶對于商品、信息、內(nèi)容和娛樂的消費(fèi)需求還處在較為初級的賣方市場階段。但隨著網(wǎng)絡(luò)傳播和計算廣告技術(shù)的普遍安裝和廣泛應(yīng)用、傳播話語權(quán)從傳者本位向用戶本位的過渡以及各種產(chǎn)品供求關(guān)系的天平逐漸向買方市場傾斜，這時候無論在基礎(chǔ)理論層面、現(xiàn)實供求層面還是在傳播技術(shù)層面，差異化的供給和個性化的需求之間達(dá)成某種意義上的精準(zhǔn)匹配就成了一種市場必然。

客觀來看，“人是同質(zhì)性與異質(zhì)性的統(tǒng)一，亦即在某些方面具有相同性或高度的相似性，在另外一些方面具有明顯的甚至是極大的差異性……主體的適應(yīng)性在某些時候呈現(xiàn)趨同化，在某些時候又有多樣化的表現(xiàn)?！盵3]異質(zhì)性原則或者個性化原則描述了我們定義一個事物區(qū)別于其他事物的方式。一直以來，大眾傳播媒體在絕大多數(shù)的情況下無論主動還是被動地，都更傾向于將它的受眾看作是無差別的同質(zhì)化群體，在這樣的認(rèn)識論基礎(chǔ)上所形成的廣告模式也遵循了同質(zhì)化的廣告信息生產(chǎn)和分發(fā)邏輯，但這在本質(zhì)上無法真正照顧到每位受眾的異質(zhì)性特征和個性化需求，因為無論其認(rèn)識論還是方法論都無法支持它對某一個異質(zhì)性個體進(jìn)行關(guān)注。只有借助于全新的信息科技手段、數(shù)據(jù)挖掘工具和計算廣告技術(shù)，我們才獲得了全新的機(jī)會以便“在一個緊密框架下整合數(shù)據(jù)對個人生活進(jìn)行定量化的描述”[4]，并借助于不同維度的客觀數(shù)據(jù)在個體層面上進(jìn)行更加精準(zhǔn)的用戶畫像，從而能夠在信息過載的傳播環(huán)境下更加清晰地把握用戶的興趣偏好并有針對性地進(jìn)行個性化廣告信息生產(chǎn)和分發(fā)，最終提升廣告效果和用戶體驗。

因此，對用戶的異質(zhì)性特征和個性化需求的關(guān)注成為廣告?zhèn)鞑シ妒降倪壿嫵霭l(fā)點(diǎn)。用戶是立體的、動態(tài)的、異質(zhì)性的個體用戶，盡管算法推薦并不排斥群體用戶的共性需求，但大眾媒體在很大程度上已經(jīng)解決了同質(zhì)化受眾的廣告信息需求問題，因此，計算廣告更傾向于將其核心焦點(diǎn)放在解決當(dāng)前更為迫切的個性化廣告信息需求問題上面。消費(fèi)者在物質(zhì)消費(fèi)和文化消費(fèi)方面都越來越追求個性而非共性，以前的消費(fèi)觀是“我也想有一件和他一樣的”，而今天的消費(fèi)觀則是“我想要一件和他不一樣的”，這種自我意識的覺醒驅(qū)動著企業(yè)投入更多的資源為用戶量身打造更加個性化的品牌和產(chǎn)品，也驅(qū)動著營銷機(jī)構(gòu)投入更多的資源挖掘用戶數(shù)據(jù)以便定向地向不同的用戶精準(zhǔn)地投放更符合他們需求的廣告信息。這種“個眾化”或者“微分化”的廣告?zhèn)鞑ピ诒举|(zhì)上已經(jīng)不同于傳播效果的“魔彈論”式的廣告轟炸，它在本質(zhì)上更像是一種信息服務(wù)，一種在品牌過剩、產(chǎn)品過剩、營銷過剩、廣告過剩的語境下為消費(fèi)者過濾出最符合他們需求的產(chǎn)品或信息的個性化推薦服務(wù)。

為了強(qiáng)調(diào)新時代異質(zhì)化的個體之于廣告?zhèn)鞑ケ旧淼闹匾?，Hippel將用戶創(chuàng)新（User Innovation）的概念引入到了傳播學(xué)的研究中來，當(dāng)越來越多的個體用戶借助于社交網(wǎng)絡(luò)、即時通訊工具、社會化媒體平臺發(fā)布他們的個性化創(chuàng)意、需求或解決方案并主動參與到產(chǎn)品研發(fā)、品牌營銷、內(nèi)容生產(chǎn)、社區(qū)互動等傳播環(huán)節(jié)中來的時候，用戶創(chuàng)新就發(fā)生了。無論是媒體還是企業(yè)，如果想要組織并利用好這種用戶創(chuàng)新為自己的業(yè)務(wù)服務(wù)，就必須在戰(zhàn)略層面真正將其業(yè)務(wù)的出發(fā)點(diǎn)不折不扣地聚焦于關(guān)注其每一位異質(zhì)化用戶的個性化表達(dá)和個性化需求，同時在戰(zhàn)術(shù)層面上應(yīng)該對用戶的社交行為以及人們的行為方式在多大程度上取決于他們在自己的社交網(wǎng)絡(luò)中的態(tài)度和行為這些事情更感興趣。進(jìn)一步地，要實現(xiàn)這種戰(zhàn)略和戰(zhàn)術(shù)的轉(zhuǎn)型，它就必須建立起一套數(shù)據(jù)驅(qū)動和算法驅(qū)動的方法論工具、系統(tǒng)或平臺。因為，當(dāng)我們開始關(guān)注上百萬甚至數(shù)以億計的有差別的用戶以及他們時時產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)的時候，僅僅依靠人力分析和計算來完成數(shù)據(jù)的采集、存儲、挖掘、分析、建模和推論是不切實際的，在這個角度看計算廣告的發(fā)生和發(fā)展，不但是必要的，而且是必須的、必然的。

當(dāng)然，誠如前文所言，每個人都是同質(zhì)性與異質(zhì)性的統(tǒng)一體，每個人的需求都是既有共性需求又有個性需求，計算廣告范式對于個體以及個性化需求的關(guān)注和強(qiáng)調(diào)并不意味著對大眾的共性需求的無視，恰恰相反，它在利用數(shù)據(jù)思維和算法工具解決個性化需求的同時，也很好地實現(xiàn)了廣告信息的大眾化、規(guī)?；采w，從而較好地滿足了用戶的共性廣告信息需求。

二、計算廣告的本質(zhì)是實現(xiàn)供需精準(zhǔn)匹配

盡管談到計算廣告就必然會使人聯(lián)想到錯綜復(fù)雜的個性化的資訊推薦系統(tǒng)、程序化的廣告投放平臺、專業(yè)化的內(nèi)容創(chuàng)意工具、智能化的問答軟件（如ChatGPT等）等具體應(yīng)用，其中涉及到的信息采集、數(shù)據(jù)建模、算法開發(fā)、工具優(yōu)化等技術(shù)操作更是讓除了數(shù)據(jù)科學(xué)家和算法工程師之外的大多數(shù)普通研究者、從業(yè)者和用戶望而生畏，但拋開這些具體層面的信息技術(shù)暫且不談，其實計算廣告的本質(zhì)并不復(fù)雜：利用數(shù)據(jù)主義和計算主義的方法及工具，實現(xiàn)商品信息供給和用戶消費(fèi)需求雙方的精準(zhǔn)匹配。事實上，無論對于計算廣告所涉及到的哪個具體細(xì)分領(lǐng)域，其主要技術(shù)研發(fā)和商業(yè)應(yīng)用都一直緊緊圍繞如下四個問題在不斷深化發(fā)展：（1）加強(qiáng)對用戶的了解，提供個性化的定制服務(wù)；（2）幫助用戶找到自己喜歡的商品；（3）降低信息過載問題；（4）提高網(wǎng)站或移動客戶端的展示與點(diǎn)擊的轉(zhuǎn)化率[5]。認(rèn)真研究這四個乃至更多現(xiàn)實的傳播問題，我們便不難發(fā)現(xiàn)，其實這些問題都指向信息供需雙方的精準(zhǔn)匹配問題，如果作為供給方的信息生產(chǎn)者和分發(fā)者所供應(yīng)的產(chǎn)品或服務(wù)恰恰正是作為需求方的用戶在某一具體場景下所想要獲得的，那么上述四個問題便不再成其為問題了：通過大數(shù)據(jù)思維和技術(shù)全面了解用戶的目的，就是向他們提供個性化解決方案，這些做到了，點(diǎn)擊和轉(zhuǎn)化自然會提高，用戶也就自然不用擔(dān)心數(shù)據(jù)爆炸和信息過載使他們陷入不知所措的境地了，他們只需要選擇系統(tǒng)已經(jīng)過濾好、篩選好或者匹配好的那些推薦項即可。當(dāng)然，對這種計算廣告理念和實踐持悲觀態(tài)度的批評者一定會繼續(xù)問道，“如果推薦項過多該怎么辦呢？”造成這個問題的根本原因只有一個，那就是我們對用戶的了解還不夠全面，我們的推薦引擎和匹配算法還不夠成熟，從而使得我們最終得出的推薦項還不能真正符合用戶需求，其解決方案就是繼續(xù)在上述四個方面強(qiáng)化能力、精益求精。

在今天的智能媒體時代，信息、內(nèi)容、娛樂、媒介、渠道、終端都不再是稀缺的，唯一稀缺的只有用戶的注意力，生命太短暫、時間太有限，媒介世界中等待著我們?nèi)ラ喿x的、觀看的、體驗的、探索的又實在太多，而且還在以指數(shù)型的方式繼續(xù)加速增多。在這種背景下，以個性化推薦系統(tǒng)、程序化廣告投放系統(tǒng)、智能化問答工具等為典型表現(xiàn)的計算廣告模式能夠更好地實現(xiàn)廣告信息與用戶需求的精準(zhǔn)匹配[6]所以，盡管過去的人工推薦、搜索引擎推薦、社交關(guān)系推薦等諸多方式依然還在發(fā)揮著其應(yīng)有的價值，但在智能媒體時代我們重點(diǎn)要做的卻是想盡一切辦法提升算法推薦系統(tǒng)的匹配度或精準(zhǔn)度，借助于快速發(fā)展的深度學(xué)習(xí)技術(shù)和人工神經(jīng)網(wǎng)絡(luò)手段，我們完全可以做到這一點(diǎn)，匹配算法能夠“從極大的數(shù)據(jù)量中學(xué)習(xí)，對未來做出預(yù)測，讓機(jī)器變得更加聰明”[7]，從而更加準(zhǔn)確地預(yù)測用戶在特定場景下的具體信息、商品或服務(wù)需求，循序漸進(jìn)地提升匹配度。換句話說，趨于完美的計算廣告模式應(yīng)該是這樣的，“你只會遇到那些此時此刻與你完全匹配的事物……唯一在前方等著你的就是那成堆的令你瘋狂的事物?！盵8]

三、算法邏輯是計算廣告方法論的關(guān)鍵

釋放大數(shù)據(jù)價值的過程當(dāng)然不是主要由人工完成的，算法才是加工數(shù)據(jù)匹配供需的新引擎。面對源源不斷產(chǎn)生的數(shù)據(jù)規(guī)模和廣告?zhèn)鞑栴}，算法承擔(dān)著幫助我們化繁為簡、去蕪存菁、給出答案、得出結(jié)論的重要任務(wù)，并在技術(shù)理性主義和數(shù)據(jù)客觀真實的假設(shè)前提之下建立起了基于數(shù)據(jù)要素和計算能力的廣告營銷新秩序。

在算法的邏輯中，我們每個人的地理位置、目光焦點(diǎn)、呼吸節(jié)奏、心跳速率、口味偏好、消費(fèi)記錄、情緒狀態(tài)等都是一種可以通過量化手段呈現(xiàn)并能用來進(jìn)行統(tǒng)計推理的基礎(chǔ)數(shù)據(jù)，無論出于什么樣的目的、選取其中的哪些維度、形成了何種相關(guān)的結(jié)論，其本質(zhì)都是一種通過算法而得出的對于某個個體、群體、事件、行為的可理解的或可視化的定量描述。比如，算法可以得知用戶感興趣的商品、明星和內(nèi)容，算法也能夠總結(jié)出昨天的輿情事件從發(fā)酵到擴(kuò)散再到高潮直至熱度消失的整個過程，算法還能夠預(yù)測哪些產(chǎn)品會成為爆款、什么樣的短視頻具有刷屏的潛力等。更復(fù)雜的算法還能夠通過運(yùn)用情感分析和語義分析技術(shù)綜合考察用戶在社交網(wǎng)站上發(fā)布的微博狀態(tài)、圖片內(nèi)容、日志文章、視頻類型以及評論回復(fù)等因素來推測用戶的性格、職業(yè)、經(jīng)濟(jì)狀況、可信賴程度等信息，以色列一位名叫蓋伊·哈夫特克的創(chuàng)業(yè)者則利用網(wǎng)絡(luò)游戲技術(shù)和深度學(xué)習(xí)技術(shù)開發(fā)了一套算法用來評價用戶的理解力、洞察力、創(chuàng)造力和同理心等更加具體的性格指標(biāo)，美國的一家創(chuàng)業(yè)公司則開發(fā)了能夠瀏覽用戶推特博文并以此為基礎(chǔ)為用戶定制個性化簡歷的算法。而另外一家名叫Hunch的企業(yè)則宣稱，用戶只需回答它所提出的五個問題，他們就能夠據(jù)此推斷出用戶在商品和文化等方面的消費(fèi)偏好，而其開發(fā)的You Are What You Like算法，隨著它逐漸面向開發(fā)者開放使用其算法進(jìn)行自助服務(wù)的API，越來越多基于本地化或場景化信息服務(wù)的組織便能夠進(jìn)一步提升他們的推薦選項的精準(zhǔn)度。還有更多類似的應(yīng)用和案例向我們揭示著算法作為智能媒體時代的一種認(rèn)識廣告、重構(gòu)廣告和優(yōu)化廣告方法的基本邏輯：給算法足夠的數(shù)據(jù)，讓它找到個性化的信息生產(chǎn)和用戶消費(fèi)解決方案；如果不夠精準(zhǔn)，那么就再給它更多的數(shù)據(jù)或者進(jìn)行模型改進(jìn)，從而迭代出更多樣化的、更優(yōu)秀的算法[9]。

今天，我們正在把這些算法應(yīng)用到更多更具體的領(lǐng)域中去，比如圖像識別、影像剪輯、場景分析、新聞核查、噪音過濾等，盡管它們的功能和用途各不相同，但在計算廣告領(lǐng)域中，所有算法的不同價值在根本上都服務(wù)于一個清晰的核心目標(biāo)：在最合適的場景下，把最合適的信息、商品或者服務(wù)，匹配給最合適的用戶。無論我們用算法選擇用戶喜歡的明星，還是用算法加工用戶評論最多的橋段，亦或者是用算法針對不同用戶調(diào)整排版風(fēng)格或者字體大小，都是為了服務(wù)于精準(zhǔn)匹配這一核心目標(biāo)，使得我們向用戶推薦的商品能夠獲得最優(yōu)的廣告?zhèn)鞑バЧ?、發(fā)揮最大的營銷價值。

與算法有關(guān)的基本知識已經(jīng)開始重新塑造這個世界，其巨大的威力已經(jīng)深刻地改變了廣告活動的舊有版圖：我們開始越來越多地依賴于算法來告訴我們這個世界發(fā)生了什么，你的附近存在著什么甚至什么樣的新聞、圖書、音樂、電影、發(fā)型、衣服、景點(diǎn)、路線乃至配偶最符合你的口味，難道不是嗎？幾乎每位用戶都曾經(jīng)主動地點(diǎn)擊過各類移動應(yīng)用程序不時彈出的消息提醒，今日頭條推薦欄中的內(nèi)容是用戶點(diǎn)擊率最高的內(nèi)容，抖音短視頻的用戶更是嚴(yán)重依賴推薦算法幫他們決定下一則可能會被看到的內(nèi)容究竟是什么，微信更是持續(xù)不斷地改進(jìn)它賴以存在的社交關(guān)系推薦算法來提升其公眾號文章和朋友圈廣告的曝光率和點(diǎn)擊率。在當(dāng)下的中國乃至全球的每一個角落，幾乎每一位互聯(lián)網(wǎng)的接入者和智能手機(jī)的使用者都無可避免地被算法影響和塑造著，哪怕這其中相當(dāng)比例的人壓根都沒有聽說過算法、大數(shù)據(jù)、深度學(xué)習(xí)這些概念。而對于那些對大數(shù)據(jù)、對算法有一定認(rèn)知的用戶而言，算法推薦則意味著，它在很大程度上幫助我們進(jìn)行了決策，而不是我們以為的我們自己在主導(dǎo)著用戶消費(fèi)的船舵。

當(dāng)然，這些決策中的絕大多數(shù)并不是那么嚴(yán)肅的、生死攸關(guān)的、轟轟烈烈的，它們更多地只是涉及到瀏覽哪些資訊、點(diǎn)擊哪些視頻、關(guān)注哪些娛樂、選擇哪條線路、購買哪些商品等日常小事。當(dāng)然我們也必須清醒地意識到，隨著我們對算法所推薦的信息越來越依賴、越來越信任，我們的行為和生活方式也必然會在無形之中受到算法的改造，但這些影響并非全都是正向的、積極的，關(guān)鍵的問題在于我們利用算法的邏輯起點(diǎn)是什么，以及我們開發(fā)出了什么樣的算法工具。

結(jié)語

我們強(qiáng)調(diào)了計算廣告是一種全新的廣告思維方式，是廣告在智能媒體時代的新階段。在這一階段，所有的廣告活動都將逐漸地具備計算思維和計算能力。毫無疑問，在這個定義之下，“計算”是現(xiàn)階段廣告活動的核心特征。站在當(dāng)下，我們已經(jīng)很難再去從學(xué)科分支的角度界定計算廣告了，計算廣告不是廣告的一個部分、一個門類，而是成為廣告發(fā)展的一個新的階段，廣告迎來了以計算為關(guān)鍵特征的新階段。